Σε συνέχεια του Π1.1. επικαιροποιήθηκαν  οι απαιτήσεις των χρηστών και οι προδιαγραφές του συστήματος, και με βάση αυτά προέκυψε η τεχνική αρχιτεκτονική του συστήματος και αναλύθηκαν σε τεχνικό επίπεδο όλα τα υποσυστήματα. Τέλος, παρουσιάστηκαν οι προδιαγραφές των αλληλεπιδράσεων μεταξύ των υποσυστημάτων και σχεδιάστηκαν τα mockups της mobile εφαρμογής.

Είναι το λογισμικό,  όπου υλοποιείται το περιβάλλον για το ιατρικό επιστημονικό προσωπικό. Το περιβάλλον αυτό πρόκειται να υποστηρίζει τη διαχείριση και παρακολούθηση των ασθενών ενός ιατρού, με βάση τις μετρήσεις που συλλέγονται από τις κινητές συσκευές, και τη δομημένη απεικόνιση της συλλεγόμενης πληθοποριστικής πληροφορίας και των ευρημάτων που μπορούν να συμβάλλουν στη λήψη αποφάσεων στον τομέα της αναπνευστικής αλλεργίας.

Αναλύονται τα χαρακτηριστικά κινησιολογίας και ήχου που σχετίζονται με την αναπνευστική αλλεργία.

Στη διάρκεια αυτής της εργασίας, θα δοθούν συσκευές σε συνολικά 100 ασθενείς με μετρίως ελεγχόμενη αναπνευστική αλλεργία, μετά από εκπαίδευση για τη χρήση και συντήρησή τους και συναίνεση στην καταγραφή των δεδομένων. Παράλληλα με τους αλγόριθμους αυτοματοποιημένης αξιολόγησης θα ενσωματωθεί στην εφαρμογή τεκμηριωμένο σύστημα καθημερινής αυτοαξιολόγησης συμπτωμάτων, αντίστοιχο με το σύστημα MASK, το οποίο θα συμπληρώνεται από τους ασθενείς. H εισαγωγή υποκειμενικών μετρήσεων αυτοαξιολόγησης θα γίνεται για ένα χρονικό διάστημα 3-6 μηνών, ημερησίως και παράλληλα με τις αντικειμενικές μετρήσεις των αισθητήρων. Τα αποτελέσματα θα χρησιμοποιηθούν για τη βελτίωση των συστημάτων που θα δοκιμαστούν ξανά σε επόμενη ομάδα ασθενών (μέχρι 3 κύκλοι συνολικά).Οι ασθενείς θα τυχαιοποιηθούν σε αυτούς που το σύστημα υπενθυμίσεων θα λειτουργεί κανονικά και σε αυτούς που το σύστημα θα λειτουργεί περιορισμένα. Η σύγκριση θα είναι διπλή τυφλή (χωρίς ούτε ο ασθενής ούτε ο ερευνητής να γνωρίζουν σε ποια από τις δύο ομάδες ανήκουν), με πρωτογενή έκβαση τον έλεγχο της νόσου μετά από ένα 3μήνο (CARAT).

Η εργασία αυτή περιλαμβάνει την ανάλυση των δεδομένων κινησιολογίας για την αναγνώριση μοτίβων κίνησης που σχετίζονται με την αναπνευστική αλλεργία. Θα υλοποιηθούν αλγόριθμοι προ-επεξεργασίας αρχικών δεδομένων που λαμβάνονται από τους αισθητήρες, ώστε να αποστέλλονται στην πλατφόρμα τα απαραίτητα και πιο αξιόπιστα δεδομένα. Αυτή η μέθοδος έχει ως αποτέλεσμα την εξοικονόμηση του συνόλου δεδομένων που λαμβάνει η πλατφόρμα από τις έξυπνες κινητές συσκευές. Επίσης, θα γίνει χρήση στατιστικών μεθόδων για τον εντοπισμό και την απόρριψη των ακραίων-λανθασμένων τιμών. Η εργασία περιλαμβάνει την εφαρμογή αλγορίθμων Μηχανικής Μάθησης (Deep Learning), με στόχο την ανίχνευση συγκεκριμένου μοτίβου κίνησης του ασθενή . Τέλος θα γίνει πρόβλεψη ώστε κατά την απώλεια κάλυψης δικτύου, τα δεδομένα να συλλέγονται τοπικά στη συσκευή και να γίνεται μία προ-επεξεργασία, προτού αποσταλούν τα δεδομένα μόλις η συσκευή βρεθεί ξανά εντός δικτύου. Λόγω της λειτουργίας των αλγόριθμων και τοπικά στις έξυπνες φορητές συσκευές, θα γίνει διερεύνηση και υλοποίηση μεθόδων για εξοικονόμηση ενέργειας στις συσκευές αυτές.

Το ΙΕΛ έχει αναπτύξει καινοτόμες τεχνολογίες που βασίζονται σε πρωτότυπους αλγόριθμους για τη μοντελοποίηση και την επεξεργασία της φωνής. Στη παρούσα εργασία, θα γίνει ανάλυση και παραμετροποίηση της φωνής ώστε να καταστεί δυνατή η εξαγωγή συμπερασμάτων που αφορούν την ποιότητά της και τις αιτίες για πιθανές μεταβολές των χαρακτηριστικών της. Για το λόγο αυτό, μεταξύ άλλων, θα χρησιμοποιηθούν και προσαρμοστικοί αλγόριθμοι που επιτρέπουν τη λεπτομερή και με ακρίβεια μοντελοποίηση των φασματικών χαρακτηριστικών των σημάτων φωνής. Πιο συγκεκριμένα, το σήμα φωνής θα απαλλαχθεί αρχικά από τυχόν θόρυβο με χρήση αλγορίθμων αποθορυβοποίησης και, στη συνέχεια, θα γίνει επεξεργασία και παραμετροποίησή του με τη βοήθεια αλγορίθμων που βασίζονται στην ανάλυση πρωτευουσών συνιστωσών (Singular Value Decomposition). Για την ομαδοποίηση των φαινομένων θα χρησιμοποιηθούν μέθοδοι δυναμικού προγραμματισμού. Στη συνέχεια, με τη βοήθεια μίας μηχανής αναζήτησης που χρησιμοποιεί αλγορίθμους ταυτοποίησης θα λαμβάνεται η τελική απόφαση για τη φυσική κατάσταση του χρήστη.

Τελική αναφορά δοκιμών και αξιολόγησης του συστήματος χρηστών.

Η εργασία αυτή αναλύει τα δεδομένα της αγοράς-στόχου και τις τάσεις για τη χρήση πληροφοριακών συστημάτων e-Health / m-Health. Επίσης, επεξεργάζεται τους παράγοντες της αγοράς, οι οποίοι συνεπικουρούν στη διαμόρφωση του πλάνου βιωσιμότητας.